一种基于方差分析的运动目标检测算法
Ｔｈ ｃ ｇ ｏ ｎ ｄ ｌｗａ ｕ ｌ ｃ ｏ ｄｉ ｇ ｔ ａ ｉｎ ｅ ａ ａｙ ｉ ｎ ｔ ｅ ｓ ｂ ｒ ｃ ｉｎ ｒ ｓ ｌ． Ｔｈ ｎ ｗｉｈ ｔ ｅ ｅ ｂａ ｋ ｒ ｕ ｄ ｍｏ ｅ ｓ ｂ ｉｔ ａ ｃ ｒ ｎ ｏ ｖ ｒａ ｃ ｎ ｓｓ ｏ ｈ ｕ ｔａ ｔ ｅ ｕ ｔ ｌ ｏ ｅ ｔ ｈ
ａ ｈｇ ｐ ｒｔ ｎ ｓ ｅ ｄ ａ ｄ ａ ｃ ｒｃ ． ｉｈ ｏ ｅ ａ ｉ ｐ ｅ ｎ ｃ ｕ ａ ｙ ｏ
Ｋｅ ｒ ｓ ｖ ｒ ｎｅ ａ ａｙｉ； ｖｎ ｂｅ ｔ ｒａ—ｍ ｅ ｃ ｏ ；ｒｍ ｓ ｄ ｅｅ ｃ ；ｈ ｄ ｗ ｄｔｃ ｏ ； ｙｗｏ ｄ ： ａ ａ ｃ ｎｌｓ ｍｏｉｇ ｏｊｃｓ ｅｌ ｉ ｅ ｄ ｔ ｔ ｎ ｆ ｅ ｉ ｒｎ ｅ ｓａ ｏ ｅ ｔ ｎ ｉ ｓ ｔ ｅｉ ａ ｆ ｅｉ
Ｖｏ． ５ Ｎｏ ６ １２ ．
Ｄｅ ． ２Ｏ１ ｅ Ｏ
文章 编 号 ：０ ４—１７ （ ０ ０ ０ ０ ９ ０ １０ ４ ８ ２ １ ） ６— ０ １— ４
一
种基 于Байду номын сангаас方 差 分 析 的运 动 目标 检 测 算 法
夏 永泉 ， 宁 少辉 ， 申涵
（ 州轻 ５ 业 学 院 计 算机 与通信 工 程 学院 ，河 南 郑 州 ４ ０ ０ ） 郑 Ｅ ． ５ ０ ２
（ ｏ ｅｅｆＣ ｍ ． ｎ ｏ ． ｎ．Ｚ ｅｇｈ ｕＵ ｉ ｏ ｉｈ ｄ ，ｈｎ ｚｏ ５ ０２，ｈｎ ） Ｃ ｌｇ ｏ ｐ ａ ｄＣ ｍ Ｅ ｇ， ｈｎｚｏ ｎｖ ｆＬ ｔｎ ．Ｚ ｅｇｈｕ４ ０ ０ Ｃ ｉ ｌ ｏ ． ｇ Ｉ ａ
Ａ ｓｒｃ ： ｅ ｔｏ ｎｍｏｉｇｏｊｃｓ ｅｅｔ ｇｗ ｓｐｅｅｔｄｆ ｅｍｏｉｇｏｊｃｓ ｅ ｌｉ ｅｄｔｃ ｂ ｔａ ｔＡ ｎｗ ｍｅ ｄｏ ｖｎ ｂｅｔ ｄ ｔｃ ｎ ａ ｒｓｎｅ ｒ ｈ ｖｎ ｂｅｔ ｒａ—ｍ ｅ — ｈ ｉ ｏｔ ｔ ｅ
并将显露 区域收入背景 ， 实现背景的更新． 实验结果表 明， 该方法运算速度快、 准确率高， 能够对运动
目标 进 行 实 时 检 测 ．
关 键词 ： 方差 分析 ； 动 目标 实 时检 测 ； 间差分 ； 运 帧 阴影检 测 ； 背景 减 法
中 图分 类 号 ：Ｐ ９ Ｔ ３１ 文 献标 志码 ： Ａ
Ｍｏ ｉｇｏ ｊｃｓｄ ｔｃｉｎａｇ ｒｔｍ ａｅ ｎ ｖ ｒａ ｃ ｎ ｌｓ ｖｎ ｂｅｔ ｅｅｔ ｌｏ ｉ ｏ ｈ ｂ ｓｄ ｏ ａ ｉｎ ｅａ ａｙｉ ｓ
ＸＩ Ｙｏ ｇ ｑ ｎ， ＮＩ Ａ ｎ — ｕａ ＮＧ ｈ ｏ ｈ ， ＳＨＥＮ ｎ Ｓ ａ － ｕｉ Ｈａ
ｃｅｒｍ ｖｎ ｂｅｔ，ｎ ａ ｅ ｔｅｎ ｅ ｆ ｈ ｅ ｍ ｉｅ ｕｖｉａ ｃ ｎ ｏ ｉ ｒ ｇｓｓ ｍ ｗｔ ｌ ｏｉｇｏ ｊｃ ａ ｄｃｎｍｅｔｈ ｅｄｏ ｅｒａ ｔ ｅｖ ｏｓｒｅ ｌｎ ｅａｄｍ ｎｔｉ ｙｔ ｉ ａ ｓ ｔ ｌ ｉ ｄ ｌ ｏｎ ｅ ｈ
摘 要 ： 了实现 对视 频 序 列 中运动 目标 的 实时检 测 ， 出了一 种新 的运 动 目标检 测方 法． 方 法对 相 为 提 该
邻 两帧进 行 差分 处理 ， 通过 对 帧差 结果 进行 方 差 分析 构 建 背 景模 型 ； 方 差作 为 阈值 将 差分 图像 并 用 划分 为运 动 变化 区域 和 背景 区域 ； 将运 动 区域 与 构 建的 背景模 型 拟合 ， 区分 出运 动 目标 和 显露 区域 ，
第２ ５卷 第 ６期 ２１ ００年 １ ２月
郑 州 轻＋ 业 学 院 学 报 （自 然 科 学 版 ） 工
ＪＵ Ｎ ＬＯ Ｅ Ｇ Ｈ ＵＵ ＩＥ Ｓ ＹＯ ＩＨ Ｄ ＳＲ （ ａ ｒ ｃ ｎｅ Ｏ Ｒ Ａ Ｆ Ｈ Ｎ Ｚ Ｏ ＮＶ Ｒ Ｉ Ｆ Ｇ Ｔ Ｎ Ｕ Ｔ Ｙ Ｎ ｔ ａＳｉ ｃ） Ｚ Ｔ Ｌ Ｉ ｕｌ ｅ
ｂａ ｋ ｏ ｄ ｓ ｂ ｒ ｃ ｉｎ ｃ ｇ ｕｎ ｕ ｔａ ｔ ｒ ｏ
０ 引 言
视 频 图像 的运 动 目标 检 测 是 计 算 机 视 觉 、 频 视 监 控等 应 用 领 域 的 基 础 ， 实 时 变 化 的 背 景 中 准 从 确 、 速地 提取 运 动 目标 是 对 图像 进 一 步处 理 的关 快 键 ． 年来 ， 运 动 目标 的 检 测 受 到 了 国 内 外 许 多 近 对
ａ ｄｂ ｃｇｏｎ ｒａ ｔａｔｍｏｉｇａｅ ａ ｏ ｐ ｒｄｔ ａ ｋｒｕ ｄｔ ｌ ａ ｅｍ ｖ ｇｏｊｃ ｎ ｎ ａｋ ｒｕ ｄ ａｅ ．Ａ ｓ， ｖｎ ｒａｗ ｓｃｍ ａｅ ｂ ｃ ｇｏ ｎ ｏ ｔ ｔ ｏｉ ｂｅｔ ａ ｄ ｌ ｏ ｏ ｃｅｈ ｎ ｓ
ｔ ｅ ｕ ｃ ｖ ｒｎ ｒ ａ Ｔ ｅ ｂ ｃ ｇ ｏ ｎ ｓ ｕｐ ａ ｅ ｔ ｈ ｎｃ ｖ ｒｎ ｒ ａ ｃ ｎ ｉ ｕ ｕ ｌ Ｉ ｏ ｌ ｃ ｉ ｖ ｈ ｎ ｏ ｅ ｇａｅ ． ｉ ｈ ａ ｋ ｒ ｕ ｄ ｗａ ｄ ｔｄ ｗｉｈ ｔ ｅ ｕ ｏ ｅ ｇ ａ ｅ ｏ ｔｎ ｏ ｓｙ． ｔｃ ｕ ｄ ａ ｈ ｅ ｅ ｉ
ｔ ｎｏ ｅｖ ｅ ｅ ｕ ｎ ｅ Ｔ ｅｓ ｂ ａｔ ｎｒｓｌ ｗ ｓｏ ｔ ｎ ｄ ｔｒｕ ｈｔｅ ａｊｃｎ ａ ｓｓｂｒｃ ｏ ． ｉ ｎｔ ｉ ｏｓｑ ｅ ｃ ． ｈ ｕ ｔ ｃ ｏ ｅｕｔ ａ ｂａ ｅ ｈｏ ｇ ｈ ｄａｅ ｔ ｒｍｅ ｕ ｔ ｔ ｎ ｏ ｈ ｄ ｒ ｉ ｉ ｆ ａｉ
一种快速运动目标检测算法
一种快速运动目标检测算法
高飞;蒋建国;安红新;齐美彬
【期刊名称】《合肥工业大学学报（自然科学版）》
【年(卷),期】2012(035)002
【摘要】运动目标检测是智能视觉监控系统的重要组成部分,其主要功能是检测监控场景中的运动目标,为高层运动分析提供必要的信息.文章提出一种快速运动目标检测算法,以帧差法和背景减法为基础,快速实现背景提取、背景更新、运动目标检测的功能.实验结果表明,该算法计算量小,检测目标完整,能够满足实时监控系统的要求.
【总页数】4页(P180-183)
【作者】高飞;蒋建国;安红新;齐美彬
【作者单位】合肥工业大学计算机与信息学院,安徽合肥230009;合肥工业大学计算机与信息学院,安徽合肥230009;合肥工业大学计算机与信息学院,安徽合肥230009;合肥工业大学计算机与信息学院,安徽合肥230009
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种准确而快速的运动目标检测算法 [J], 曾脉;左志宏;常晓夫;何煊
2.一种快速的视频刚体运动目标检测算法 [J], 周文玲;全红艳;郭义江
3.一种快速的运动目标检测算法 [J], 王玉锐;陈辉;唐丽焕;吕小倩
4.一种新型快速运动目标检测算法 [J], 李建;蓝金辉;李杰
5.实时视频监控系统中一种快速运动目标检测算法 [J], 闫飞;胡宝霞
因版权原因，仅展示原文概要，查看原文内容请购买。
《2024年运动目标检测算法的探讨》范文
《运动目标检测算法的探讨》篇一一、引言运动目标检测是计算机视觉和图像处理领域中一个重要而广泛的应用方向。
其目标是从视频流或图像序列中检测出移动的物体或人物，广泛应用于安防监控、自动驾驶、行为分析等领域。
近年来，随着深度学习和人工智能的快速发展，运动目标检测算法得到了极大的改进和提升。
本文将探讨运动目标检测算法的基本原理、常见方法以及当前的研究进展。
二、运动目标检测算法的基本原理运动目标检测算法的基本原理是通过分析视频流或图像序列中的像素或特征的变化，从而检测出运动的目标。
具体而言，算法首先对输入的视频流或图像进行预处理，如去噪、增强等操作，以提高后续处理的准确性和鲁棒性。
然后，通过提取图像中的特征，如颜色、纹理、形状等，并利用一定的算法对这些特征进行分析和比较，从而判断出哪些区域发生了变化，进而确定运动目标的位置和轨迹。
三、常见的运动目标检测算法1. 帧间差分法：帧间差分法是一种简单而有效的运动目标检测方法。
它通过比较相邻两帧图像的差异，找出发生变化的区域，从而确定运动目标的位置。
该方法具有计算量小、实时性好的优点，但容易受到光照变化、噪声等因素的影响。
2. 光流法：光流法是一种基于光流矢量分析的运动目标检测方法。
它通过计算图像中像素点的运动矢量，确定哪些区域发生了运动。
光流法可以较准确地检测出运动目标的位置和轨迹，但计算量较大，实时性较差。
3. 深度学习方法：深度学习在运动目标检测领域取得了显著的成果。
通过训练深度神经网络模型，可以自动提取图像中的特征，并学习到更复杂的运动模式和场景信息。
常见的深度学习方法包括基于卷积神经网络的检测方法和基于区域的方法等。
这些方法具有较高的准确性和鲁棒性，但需要大量的训练数据和计算资源。
四、当前的研究进展随着深度学习和人工智能的不断发展，运动目标检测算法在准确性和鲁棒性方面取得了显著的提高。
当前的研究主要关注以下几个方面：1. 优化算法模型：通过对神经网络结构的优化和改进，提高运动目标检测算法的准确性和计算效率。
运动目标检测方法
运动目标检测方法
运动目标检测是计算机视觉领域中的一个重要任务，旨在识别图像或视频中的运动目标并将其从背景中分割出来。
以下是几种常见的运动目标检测方法：
1. 基于背景差分的方法：该方法通过建立静态背景模型并通过计算当前帧与背景之间的差异来检测运动目标。
常见的背景差分算法有帧差法、高斯混合模型（GMM）法等。
2. 基于光流的方法：光流是描述图像中像素运动方向和速度的一种方法。
基于光流的运动目标检测方法通过计算两个相邻帧之间的光流场，并根据光流的一致性来检测运动目标。
常见的光流算法有Lucas-Kanade算法、Horn-Schunck 算法等。
3. 基于运动轨迹的方法：该方法通过跟踪目标的运动轨迹来检测运动目标。
常见的运动目标跟踪算法有卡尔曼滤波算法、粒子滤波算法等。
4. 基于深度学习的方法：近年来，深度学习技术在计算机视觉领域取得了显著的进展。
基于深度学习的运动目标检测方法通过使用深度学习模型，如卷积神经网络（CNN）或循环神经网络（RNN），来学习图像或视频中的运动目标特征，并进行目标检测。
5. 基于多目标跟踪的方法：运动目标检测通常是多目标跟踪的前置任务。
基于
多目标跟踪的方法可以通过结合目标检测和目标跟踪的技术，实现对连续帧中的多个目标进行准确的检测。
这些方法各有特点和适用领域，选择适合任务需求的方法能够提高运动目标检测的效果。
基于协方差矩阵的运动目标跟踪方法研究
ｓｍ ｅｒｓｎａｏ ．Ｗｅｓａｃ ｅｗ ｏ ａｅ ｏ ｎ ｅ ｅｉ ｈｃ ａ ｅｓ ａ ｅｔ ｉａｃ ｏ ｅｃｒ ｎ ｏｊｃ ｍ ｄ１ Ｔ ｅ ａ ｅ ｐｅｅｔ ｉ ｒ ｔｎ ｒ ｔ ｈ ｌｉ ｇ ｄｔ ｇ ｎｗ ｉ ｈｓ ｈ ｍ ｌ ｓｄｓ ｎｅ ｒｍｔ ｒ ｔ ｂｅｔ ｏｅ． ｈ ｅ ｈｈ ｅｍ ｔｆ ｈ ｒ ｏ ｉ ｈ ｔ ｌ ｔ ｆ ｈ ｕ ｅ
色或灰度差异较小时采用基于背景差 的 目标检测方法 ， 往往会 导
致二值化后运动 区域 的空域连 通特性 较差 ， 目标 内部 多处存 即 在空洞或单个运动 目标 变为 多个 运动 目标 的情 况。本文 针对 背
景差法对视频运动 区域 进行检测 时容易 产生二值 化后 运动 区域 的空域通特性较差 的问题 ， 提出了一种基于分块 的视频运 动 目标 检测 的方法 。本文采用 对输入视 频序列 采用差 异 累积 的方法 自
０ 引 言
运动 目标检测和跟踪技术 作为运 动物体 的视觉 分析 中的两
项 核心技术和底 层 问题 ， 是视 频监 控技 术 自动化 和实 时化 的关 键， 同时具有广 泛的研究 价值 和应 用前 景 。跟踪 目标首先要把 目标从视频流 中检测 出来 ， 之后的处理部分都是以正确分割为基 础的 ， 这一 步对 后期 的跟踪 是非 常重要 的。然 而 ， 背景 图像 的变 化（ 如树 叶扰 动、 天气 、 照等） 给检测带 来很 多困难 。对视频 光 会
ｂ ｓ ｍ ｔ ｉｇｒｇ ｎ ｄ ｔ ｍ ｎ ｓ ｈ ｃ ｔ ｎｏ ｅｏ ｊｃ ｉ ｔ ｕｒｎ ａ ｅｔ ａｈｅ ｅｔ ｏ ｆ ｒｃ ｉｇ ｈ ｅｃ ｖｒ ｎ ｅｍ ｔｘ ｅｔ ａ ｈｎ ｉ ｅ ｒ ｉｅ ｅｌ ａ ｏ ｆ ｈ ｂｅ ｔｎ ｈ ｃ ｒ ｔ ｒｍ ｃ ｉ ｅｇ ａ ｏ ａ ｋ ．Ｔ ｏ ａ ａ ｃ ａ ｃ ｅｏ ｅ ｔ ｏ ｉ ｔ ｅ ｅ ｆ ｏ ｖ ｈ ｌ ｔ ｎ ｉ ｉ ｒ
运动目标检测方法总结报告
摘要由于计算机技术的迅猛发展，使得基于内容的视频信息的存取、操作和检索不仅成为一种可能，更成为一种需要。
同时，基于内容的视频编码标准MPEG-4和基于内容的视频描述标准MPEG-7正在发展和完善。
因此提取和视频中具有语义的运动目标是一个急需解决的问题。
运动目标提取和检测作为视频和图像处理领域的重要研究领域，有很强的研究和应用价值。
运动检测就是将运动目标从含有背景的图像中分离出来，如果仅仅依靠一种检测算法，难以从复杂的自然图像序列中完整地检测出运动的目标。
较高的检测精度和效率十分重要，因此融合多种检测方法的研究越来越受到重视。
本文介绍了几种国内外文献中的经典的视频运动目标的检测和提取算法，并对各种方法进行了评价和总结。
首先介绍了基本的运动目标检测的基本知识和理论，然后介绍了基本的几种目标检测方法及其各种改进方法。
对今后的运动目标检测提取的相关研究提供一定的参考。
关键词：运动目标检测光流法帧差法背景建模方法摘要iABSTRACTBecause of the rapid development of computer technology, it is possible to access, operate and retrieve the video information based on the content of the video. At the same time, based on the content of the video coding standard MPEG-4 and content-based video description standard MPEG-7 is developing and improving. Therefore, it is an urgent problem to be solved in the extraction and video. Moving object extraction and detection is a very important field of video and image processing, and has a strong research and application value. Motion detection is to separate moving objects from the image containing background, if only rely on a detection algorithm, it is difficult to from a complex natural image sequences to detect moving target. Higher detection accuracy and efficiency are very important, so the study of the fusion of multiple detection methods is becoming more and more important. In this paper, the detection and extraction algorithms of the classical video moving objects in the domestic and foreign literatures are introduced, and the methods are evaluated and summarized. Firstly, the basic knowledge and theory of basic moving target detection is introduced, and then the basic method of target detection is introduced. To provide a reference for the research on the extraction of moving target detection in the future.Keywords: Visual tracking Optical flow method Frame Difference Background modeling methodii ABSTRACT目录摘要 0ABSTRACT (1)第一章绪论 (3)1.1 研究背景及意义 (4)1.2 研究现状 (4)第二章经典的运动目标检测算法 (5)2.1 光流法 (5)2.2 帧差法 (5)2.3 背景差分法 (7)第三章改进的运动目标检测算法 (9)3.1 改进的三帧差分法 (9)3.2 帧间差分法与光流法结合 (10)3.3 改进的背景建模算法 (11)第四章总结 (13)参考文献： (16)目录i2运动目标检测方法研究总结第一章绪论1.1 研究背景及意义近几十年来，在科学技术飞速发展的条件下，视频与图像处理技术不断提高，各种各样的视频监控产品已经走入了人们的视野，并且在给我们的生活带了很多方便。
基于协方差矩阵的目标检测算法研究
基于协方差矩阵的目标检测算法研究随着人工智能的发展，目标检测技术也在不断地迭代和改进。
其中，一种基于协方差矩阵的目标检测算法逐渐受到人们的关注。
1. 协方差矩阵的介绍协方差矩阵是描述两个变量线性相关性的高阶矩阵。
在图像处理中，协方差矩阵可以用来表征像素的相关性。
协方差矩阵的计算公式为：Cov(X,Y) = E[(X-μX)(Y-μY)]其中，μX和μY分别是X和Y的均值。
2. 基于协方差矩阵的目标检测算法基于协方差矩阵的目标检测算法是一种传统的检测方法。
它使用协方差矩阵来计算样本之间的相似性，从而确定目标的位置。
该算法的具体流程如下：（1）将图像分割为若干小块；（2）对每个小块计算协方差矩阵；（3）使用协方差矩阵计算相似度，从而确定目标的位置。
值得注意的是，该算法对图像的分割质量有较高的要求，因此在实际应用中需要注意细节。
3. 基于协方差矩阵的目标检测算法的优缺点优点：（1）该算法的实现过程较为简单，易于理解。
（2）在一些特定场景下，该算法的检测精度较高。
缺点：（1）该算法对图像分割质量的要求较高，易受到图像噪声的影响。
（2）该算法的计算量较大，在大规模图像处理时速度较慢。
4. 基于协方差矩阵的目标检测算法的应用领域基于协方差矩阵的目标检测算法主要应用于一些需要较高检测精度和较小检测规模的场景中，如人脸识别、行人检测、车辆检测等。
5. 结语基于协方差矩阵的目标检测算法是一种传统的检测方法，在特定的场景下表现较好。
然而，随着人工智能的发展，更加先进的目标检测算法也在不断涌现。
未来，我们可以期待更加智能的图像处理方法的出现，提高图像处理的效率和精度。
方差自适应机动目标跟踪算法研究_孟庆虎
Research on Improved Adaptive Tracking Algorithm for Maneuvering Targets
MENG Qing － hu1 ， LIU Bao － guang2
（ 1． CAMA （ Luoyang） Measurements＆controls Co． ，Ltd． Luoyang Henan 471009 ，China； 2． College of Electronic and Information Engineering，Nanjing University of Aeronautics and Astronautics， Nanjing Jiangsu 210016 ，China） ABSTRACT： The ability of tracking a non － maneuvering target is poor with the current statistical model，because the variance of maneuvering acceleration is the biggest when the maneuvering acceleration is zero． An improved current statistical model with motion detection was proposed in this paper． By using the statistical distance of observation residuals and the maneuvering acceleration to sort the maneuver states of target， the system covariance was adjusted to improve the match between the motion model and the system model． Thus the approach enhances tracking performance for non － maneuvering targets and maintains good performance for highly maneuvering targets． The simulation results show that the algorithm is more efficient for maneuvering targets tracking than the current statistical model． KEYWORDS： Current statistical model； Motion detection； System covariance； Maneuvering target tracking
一种基于背景差分的运动目标检测新方法
大 量有意 义 的视觉 信 息 包 含 在运 动 之 中 ， 实 时 变 从 化 的背 景 中准确 、 速 地提 取 出运 动 目标 是 对 图像 快
进 一步 处理 的关 键 ． 年 来 ， 内外 学 者 对 运 动 目 近 国 标 检测做 了广泛 而深 刻 的研 究 ， 见 的 目标 检 测 算 常
０ 引 言
视频 图像 的运 动 目标检 测 是 计 算 机视 觉 、 视频
监控 等应 用 领 域 的重 要 研 究 内容 ． 现 实 生 活 中 ， 在
对动 态变 化 环 境 中 的运 动 目标 检 测 有 较 强 的 自适
应性 ， 总体来说 该 方 法 不 能 完全 提 取 所 有 相关 的 但 特征 像素 点 ， 运 动 实 体 内部 易 产 生 空 洞 现 象 ， 在 得 到 的检测 结果并 不 十 分精 确 ； 背景 减 法 算 法 简单 易 于实现 ， 背 景 已 知 的 情 况 下 ， 够 提 供 最 完 全 的 在 能
ｏ ｊ ｔ ｅ ｃ ｎ ａ ｒｓｎ ｄ Ａ ｒ ， ｙ ａ ａ ｚ ｇ ｖｒ ｎ ｅｏ ｈ ｒｍｅｄｆ ｒｎ ｅ ｉｆ ｍａ ｏ ，ｈ ｂｅ ｔ ｔ ｇｗ ｓｐｅｅ ｔ ． ｔ ｓ ｂ ｎｌ ｉ ａｉ ｃ ｆｔｅｆ ｃｄ ｅ ｉ ｅ ｉ ｆ ｔ ｙｎ ａ ａ ｉｅｅｃ ｎｏ ｔ ｎ ｔｅ ｆ ｒ ｉ ｍｏｅ ｏ ａｋｒｕ ｄｗ ｓｂ ｉ． ｈｎ ｍ ｖ ｇａｅ ａ ｏ ｐ ｒｄｔ ｂｃ ｇｏｎ ｏｌｃｔ ｍ ｖ ｇｏｊｃ． ｄ ｌ ｆ ｃ ｇｏｎ ａ ｕｌ Ｔ ｅ ｏｉ ｒａｗ ｓｃｍ ａｅ ｏ ａｋｒｕ ｄｔ ｏａ ｏ ｉ ｂｅｔ ｂ ｔ ｎ ｅ ｎ
Ａｂｔａｔ Ｔ ｅｍ ｖ ｇｏｊｃ ｍ ｎｔ ｎ ｉｅ ｒ ｉａｌ ｗ ｓａ ａ ｚｄａｄ ａｎｗ ｍ ｔｏ ｆ ｏｉｇ ｓ ｃ ： ｈ ｏｉ ｂｅｔ ｏ ｉ ｒ ｇｉ ｖｄｏｓ ｒ ｌ ｎｅ ａ ｎ ｌ ｅ ｎ ， ｅ ｅ ｄｏ ｍ ｖ ｒ ｎ ｏ ｉ ｎ ｕ ｅｌ ｙ ｈ ｎ
一种基于边缘检测的运动目标检测新方法
一种基于边缘检测的运动目标检测新方法
欧扬;郑丽娜;但丽林
【期刊名称】《苏州科技学院学报（工程技术版）》
【年(卷),期】2004(017)003
【摘要】基于帧间差分变化检测,运用多尺度形态梯度算子进行边缘检测,提出并实现了一种运动目标检测新方法.这种检测方法算法简单、运算量小,而且只使用了头两帧的信息,适合于实时应用.实验结果表明:此方法能有效地检测出运动目标.
【总页数】5页(P70-74)
【作者】欧扬;郑丽娜;但丽林
【作者单位】苏州科技学院,电子信息与工程系,江苏,苏州,215011;苏州科技学院,电子信息与工程系,江苏,苏州,215011;苏州科技学院,电子信息与工程系,江苏,苏州,215011
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种基于背景差分的运动目标检测新方法 [J], 夏永泉;李卫丽;宁少辉
2.一种基于帧差法与背景减法的运动目标检测新方法 [J], 高凯亮;覃团发;王逸之;常侃
3.一种基于DWT通道分离和函数提取的运动目标检测新方法 [J], 张秋艳;何明一;毕凯凯
4.一种基于 GLCM 的运动目标检测新方法 [J], 姬丽娜;陈庆奎;赵永涛;刘伯成;陈圆
金;高倩
5.一种基于梯度图像帧间差分和背景差分的运动目标检测新方法 [J], 潘翔鹤;赵曙光;柳宗浦;王媛
因版权原因，仅展示原文概要，查看原文内容请购买。
一种运动目标检测方法[发明专利]
专利名称：一种运动目标检测方法专利类型：发明专利
发明人：李秀,高福信,闫天翔,陈连胜申请号：CN201310411685.4
申请日：20130911
公开号：CN103473792A
公开日：
20131225
专利内容由知识产权出版社提供
摘要：本发明公开了一种运动目标检测方法，包括以下步骤：a)读入视频帧；b)将视频帧预处理为灰度图像帧；c)判断图像帧是否为第一帧，如果是则建立GMM，如果不是则转向步骤d)；d)对图像帧进行处理，获取运动目标特征；e)进行特征融合，获得运动物体图像信息；f)计算运动物体像素点获得其质心，并保存其在帧中的位置；g)与设定阈值比较，判断质心在连续两帧间是否变化，如果没有变化，则转向步骤i），如果有变化，则转向步骤h）；h）进行形态学处理并更新GMM；i）进行形态学处理但不更新GMM；j）输出当前帧检测结果。
本发明可解决运动物体长时间静止不动或者是移动缓慢的情况下导致检测不准确的问题，尤其适用于海底运动物体的检测。
申请人：清华大学深圳研究生院
地址：518055 广东省深圳市南山区西丽大学城清华校区
国籍：CN
代理机构：深圳新创友知识产权代理有限公司
代理人：王震宇
更多信息请下载全文后查看。